很好的课 唯一不爽的是现在我还没知道这个算公选课还是自由选修。。。

上课主要讲用py解决各种有趣的问题

老师也玩project euler这我是没想到的

考核方式是自己解决一个自选的问题

我用python写了个Oblivious Transer使得两个学生可以在互相不知道对方GPA的情况下得知谁的G更高（（（

感兴趣的同学可以看看多方安全计算有关的话题

给分超好，直接满了。。。

课程主要内容好像在讲机器学习, 但是我好像没听课, 而且基本都翘了()

有四次平时作业, 难度中规中矩, 实验报告也不需要太卷, 我用markdown简单的写了一下都给了我10分.

大作业就是自己写一个程序去解决某个问题, 貌似可以随便用什么语言, 不过我还是用python写的, 而且不局限于课程名的"科学问题", 有点用就行. 我一开始用opencv+pygame做了个很唐的物理模拟, 然后去课堂分享凑热闹被助教拷打了(), 然后我又推翻重开用langchain做了一个小玩意.貌似老师不太希望看到过于理论(太物理的？)的东西，更希望项目有实际作用吧

出分之后再来更新

2025.07.21

出分了，远超预期。故加1分到10分

没有在课程出分时及时评价，是因为当时正沉浸于3.3的悲痛与自责之中。现在从逆流成河的悲伤中恢复过来后，那就“实事求是”（扯淡）地评价这门课程吧。

欢迎讨论或撕逼。

孙广中老师讲课中规中矩，至少在我看来是这样的。虽然没有非常吸引人的片段，但老师还是把一些基本事物的原理说出来了。但是可能有些同学认为太难或者讲的不是很清楚，我也非常理解他们的想法，毕竟我经历了从开课的人满为患到后几节课的不足50人的变化——可以说明老师的讲课对于相当的一部分人来说，是缺乏吸引力的，这可能与课程的跨度过大有关。老师的目的可能是授人以渔，在课上介绍了几个网站供我们了解，但是这对一开始连Python的语法都不清楚，再想去解决一些比较难的科学问题的学生来说，就不是很友好了。

对于教材我不是很满意，虽然是MIT的教材，但是由于定位的原因，重点放在了“如何运用Python方法解决问题”上，而对“方法背后的数学原理”和“Python作用的原理”解释较少，导致在看后面几章时会比较吃力。并且大部分同学学的是“面向过程”的C语言，突然跳转到“面向对象”的Python，难免会有“水土不服”。最后，这本书的难度跨度较大，章节编排也不甚清晰，示例也没能做到一般性。如果先安排更多的章节在前清晰地介绍Python的语法特点和类的构建，再在后面的特定科学问题章节中总结出泛用性的模板，那大家看这本教材的时候也不会太过难懂。

助教比较尽心尽责，每节课后都会留出一个小时在班上解答同学的问题。

比较令我不满的是作业的布置和给分。由于老师没有点到（第一节课和后面几节课反复说明如果人数较少就会点名，但最后还是放过了），平时分完全来自四次小作业与大作业。四次小作业布置的基本上是（其实应该说是“完全”）书上的原程序，不能体现学生的思考能力（或许排除掉那些懒得翻书的人？）；大作业是用任意语言写一个科学问题求解的程序，除此之外几乎没有任何要求。理论上来说游戏是可行的，但在给分上不会太出众。

5月15日是最后一份小作业提交截止时间，而直到7月份学期结束后小作业的给分才姗姗来迟，并且每人都是满分，这说明这门课的绩点完全取决于大作业的完成度。但大作业的给分标准恰恰就是没有说明清楚的，导致在出分时一些人凭借几乎没有花费精力的程序就获得了高分，而某些费劲心力准备几个月的同学写出的大程序没有得到期望的分数。

也许有些人会说“不符合要求”，“3就满足吧”，“水学分的课不要那么卷”之类的话，但是与其定下模糊的标准，一开始就制定严格的评价标准不是更好，更令人服气吗？与其明面上是针对低年级非计算机专业的学生开设的课程，实际上引来许多高年级的计批卷绩而挤压了其他学生的优秀率，还大跨度地教授了其他非专业学生根本不懂的内容，一开始把课程标准放严不是更有利于计院学生学到专业知识，放松不是更容易吸引对Python一窍不通的学生了解如何利用程序求解专业问题吗？

孙老师提到这门课之前开过两次，但由于目标不清晰而中断过一次。我想说的是，直到现在这门课程的定位仍然是不清晰的，仿佛是第一次开课，处于懵懂且幼稚的摸索之中。希望孙老师可以找到合适的讲课方法和内容，更好地面向更多的非计算机专业的学生教授这门课。也许某位学生上完后，真正熟悉Python语言并感受其带来的便利，进而更好地解决其专业中出现的科学问题。

先谈讲课吧。可以看出孙老师功底还是很nice的，但是不知道是不是因为到课人数极少的原因，课堂氛围有点偏向于平淡。但是如果认真听还是可以有一定的收获的。课程内容的话感觉是大杂烩，不会专门去讲python的基础语法，而是介绍了一些算法（线性规划、遗传、机器学习等），但又没有特别深入，也算是符合“通识课”的定位吧。

给分的话基本上是看大作业给的分，但是嘛...作为大一非oier...大作业个人感觉不是很好写（毕竟要求是“面向科学问题求解”嘛，但大一er对科学问题的了解不是那么多，再加上课堂上只学过C码力有限，所以说对大部分大一非oier来说其实不太友好）我是自己把python基础语法看了一遍，然后学了一些基本的机器视觉工具，然后搭了个GUI做了个图片处理的工具。自认为做的不大好，最后bb系统上是90，教务系统上还没出，出了再补上评分吧。

————————————————————————

确实是A，那确实是给分相当好的，好像优秀以上就会有A了，最差都是B，老师也是很努力在给大家高分了

总评没有在教务系统发布，但已经出了。利益相关：A

前人和老师的意见是这门课只要上过C语言就可以选，对此我不是特别赞同，我的建议是最好是对python有一定基础的低年级同学或者高年级同学来选。 从本学期开始，这门课增加了四次平时作业，基本都是用python解决一些问题，（当然源代码书上都有），然后完成相应的实验报告。一般只要按时交了基本都会给满。还有就是期末大作业，这也是我为什么建议有基础的同学来选：首先上课老师是不会教python的基本操作的，这得自学；其次大作业是要求就一个科学问题用python解决，其中选题的水平高低很大程度上决定了最后的得分，高年级的同学往往能做出更加“高端”的选题，得高分的机会也更大。

不过这门课不会给3以下的绩点，想水学分的也能选。而且似乎是核心通识（？）

以及如果有想挑战一下自己的大一同学也可以选，确实能收获一点东西

总评4.3，给分比预想的要好

本人python语言基础比较薄弱，在这门课之前基本就是只能读简单代码的程度，所以刚开始有所担忧。但是后来发现认真读推荐教材＋临时补一些语言知识完全够用，所以体验还是比较爽。

成绩构成是四次报告＋大作业，给的时间都很充裕。报告主要基于教材代码，认真读教材花点时间按时交基本都会给满。大作业个人感觉要认真参考前几年的优秀选题方向，一些太简单、太主观或者太学科性的选题可能很难拿到好的分数。

上课没有点过名，老师给分一直可以的，总之就是可以无脑入！

这门课对于人工智能专业的同学是专业选修，对其他同学可以作为自由选修。

课程所需语言是 Python，参考教材是 MIT 的教材 Introduction to Computation and Programming Using Python。课程讲解内容包括：枚举、模拟、分治、物理随机模拟、统计数据分析、机器学习应用、高性能计算 / 并行计算 / 超级计算等等，内容相当丰富。正如课程名，主要涉及求解科学问题的实践，而不讲解 Python 的基础语法知识，所以有一定基础要求。想学习后者可以移步隔壁 Python科学计算基础 或者自学。考核方式：4 次课程实验（需要提交报告）+ 选做作业（人工智能专业必做）+ 期末大作业（无字数要求）。因为我是旁听，给分这一项我随便选的，不过根据课程群里反馈，应该是不错的。

一些参考链接：

• 提问的智慧：如何正确地提问以获得你满意的答案；
• Python.org 和 Python 3.13.2 文档；
• Python123：练习 Python 的网站，可以交互式运行，实时检查代码输出是否正确（孙老师倾情推荐）；
• Project Euler 和 Ponder this：具有挑战性的数学 / 计算机编程问题；
• SciPy Documentation：SciPy 手册；
• NumPy 和 CVXOPT 和 CVXPY；
• 多体问题：N 体问题案例研究；
• scikit-learn：Python 中的机器学习。

2024 春 4 次课程实验：

1. 使用 Pylab / Matplotlib 库绘制正比例函数、指数函数、反比例函数图像；
2. 二维随机游走，绘制有限时间内到原点的期望距离曲线以及回到原点的期望次数曲线；
3. 蒙特卡罗模拟（统计落在正方形内切圆中的点的数量）求圆周率 \(\pi\) 的近似值；
4. 处理实验数据，进行最小二乘法的线性拟合以及二次拟合。

期末大作业选题参考：

1. 稀疏主成分分析对高维布朗运动降维可视化及解释性分析；
2. 基于 SOVITS 的语音转换；
3. 关于密码学中置乱的阶的最大值的分析；
4. PISA2018 数据分析实践；
5. 基于有限差分法的PDE求解与可视化；
6. 谓词演算系统下的约束变元换名和前束范式转换的实现；
7. 中能 \(\gamma\) 射线与水相互作用过程的简单蒙特卡洛模拟；
8. 灰度图像彩色化；
9. 基于预训练模型的文本分类；
10. 基于解泊松方程的插值方法的无缝图像区域编辑；
11. 基于卷积神经网络的图像风格迁移；
12. 水星进动角的计算；
13. 用遗传算法优化路线规划问题；
14. Delaunay 三角剖分；
15. 多质点运动模拟；
16. 运用多种算法设计策略求解 0-1 背包问题；
17. 用 Python 解决国际象棋中的 n 皇后问题。

先说给分：A+，大作业做的是TSP问题的有关算法实现与比较。

作为一门python通识课，如果这门课面向的对象是没接触过或者不是以python为主要编程语言的学生的话，那么这门课是成功的；但是我看了一下群里面的同学，大多数是信智学部的（虽然我也是），这样就导致这门课的卷度爆炸，对于小白很不友好，所以建议限制这门课的选课对象。

出分后群里有人狂喷助教和老师，我的看法是助教只能从你的代码和报告去推断你的工作量和完成程度，报告也是一个完整的实验很重要的一部分。

另外一点就是选题很重要，注意这门课的名字中的“科学”，我觉得这门课程更多偏向于基础科学，对于计算机方面来说更关注的是传统的算法，而不是机器学习或者深度学习（当然这也是科学），所以大家在选题的时候可以更多考虑一下。

大一下选的，很不错的课，任务量比较小，但是课上收获很大。

课上不讲语法，直接讲算法，所以对于有一定编程基础的同学（如 OIer）还是很友好的，但是对于其他同学，可能就需要自学 Python 了。

给分确实超级好，欢迎来选。不过 40% 优秀率的限制是死的，所以也必然有一些同学只能得到 3.3，但是基本上只要正常完成任务分数应该不会差。

作为一名纯python小白，老师没有讲语法是我没有想到的（悲）

作业主要是四次实验和大作业，四次实验都很简单并且严格符合教材（所以完全可以自学），大作业选题极为宽泛并且给了充足的时间，感觉认真把作业坐下来会有很大收获

老师给分真的超级好！！！四次实验基本都是给满，大作业的话，虽然自己的代码很原始（毕竟初学者），但老师总评给了4.0，真的远远超出我的预期

    课程本身所用的教材是MIT的《python编程导论》第2版，书本内容与平时作业的关系比较大，主要介绍了python的matplotlib库以及一些基础的应用。四次作业分别是：绘图、二维随机游走、使用蒙特卡洛模拟求圆周率和理解实验定律（胡克定律）。基本上都可以在教材中找到对应的源代码，实在不行抄一下改一下变量名。每次写完后要在bb系统上提交源代码和实验报告（不超过4页），总体而言任务量不大。

    大作业的话专门为大四毕业生提早开了一个窗口，不过非大四学生也可以选择提前交。主题不定，老师在一节课上专门展示了上学期同学们的选题，同时介绍了几个优秀案例。个人感觉老师对大作业选题与科学有关很在意，所以最好还是不要写游戏。

    课程内容介绍了很多算法相关的内容，但是并不深入，也算是符合通识课的要求吧。老师上课时很期待跟大家互动，但是课上来的人并不多，老师想要互动的想法就很难实现了。

    就个人而言这门课我并不推荐大一就来选，当然如果你的基础很好，已经熟练掌握python就当我没说。这门课相当于基础班的一个提升，老师并不讲任何与python语法有关的内容，所以看评课社区时要理智，大一选课要慎重。（别像我这样大一还没基础就过来上课）yysy，老师给分是真的很好，今年貌似绩点最低是3.0，优秀的人中最低是4.0。

    最后祝这门课越开越好，越来越完善。    

学期一共点过一次名，而且提前在课上预告过。就算这样，整个21级没一个同学来上课😄😄

虽然我本人就是大一选的这门课，而且获得了让我非常满意的绩点，但是我还是不太建议大一的同学来上，因为这门课的大作业允许“一稿多投”，这样有过更加成熟科研经历的人可以把他们其他做的项目交过来，同时这门课能学到的东西比较有限(),对一些毫无基础的同学来说可能竞争压力较大。

老师会讲一些经典的算法以及吹水，不会教你基本的Python怎么写

给分拉了😭，感觉不太好，也可能是很多人用很复杂的什么大创，课题降维打击我这种大一没什么工程经验的渣渣的缘故

四次平时作业+选写作业（人工智能专业必写，因为这是他们选修课）+期末大作业，平时作业简单但还是要稍微费一丢丢时间的（代码+报告），给分主要看大作业。

本学期点了一次名，我睡过了没去QAQ，最后下课后交了请假条。期末写了选交作业，大作业选题较简单——选了一个经典的数学问题然后用多种思路实现并进行比较（因为只有大一接触不到什么高端的问题研究QAQ）。选题不难但完成得比较认真，给了4.0，给分真的好！

最后，感谢老师和助教！推荐大家来选这门课。

给分确实很好，本来以为自己能恰到优秀率就算成功了，结果是A。

本人大一选课，之前仅有C语言基础。老师上课比较沉闷，声音也小，去了几次后，本人越来越难以在周三下午说服自己从床上爬起来（樂），遂摆，导致完全不知道有点名的事。因此这门课本身的收获并不大，但是为完成大作业本人也基本自学完了老师推荐的Python教材和另一本相对基础好懂的教材，因此怎么不算收获颇丰呢（

大作业本人是做的多种EM聚类算法效率对比（和老师展示的往届大作业比起来真的朴实无华）。从基本原理出发推出公式然后实现。由于技术有限不会优化，经常出现跑一晚上不出结果的现象，报告如实写上即可。

总结：给分不错，Programming基本得靠自学，推荐选。

本课程本身质量较高，内容简单适合python小白选，但另一方面又有很多高年级的人来炸鱼，这课的内容对于高年级的来说完全没帮助，所以挺矛盾的，但这门课本身是好的，还是推荐给想学或者需要学python的同学。

给分暂时未知